¿Qué es la visualización del espacio de características de un modelo CV con t-SNE/UMAP?

t-SNE (t-Embebimiento Estocástico de Vecinos Distribuidos) y UMAP (Aproximación y Proyección de Manifolds Uniformes) son métodos de reducción de dimensionalidad no lineales que se utilizan a menudo para visualizar datos de alta dimensión, como las características (espacio de características) de modelos de visión por computadora (CV).

En el contexto de modelos de CV, estos métodos ayudan a:

• Representar vectores de características multivariados (por ejemplo, salidas de capas de redes neuronales) en un espacio 2D o 3D.
• Evaluar visualmente cómo el modelo separa o agrupa datos de diferentes clases.
• Comprender la estructura y distribución de las características, identificar clústeres o anomalías.

Ejemplo: después de entrenar un modelo, se pueden tomar los vectores de características de imágenes de diferentes clases, aplicar t-SNE o UMAP y construir un gráfico de dispersión, donde los puntos de una misma clase estarán agrupados, lo que indica una buena capacidad del modelo para separar clases.

Por lo tanto, t-SNE y UMAP son herramientas poderosas para interpretar y analizar la representación interna de los datos en modelos de CV.